Баланс сил в цифровую эпоху меняется. В то время как правительства и крупные корпорации уже давно используют данные для отслеживания людей, новый проект с открытым исходным кодом под названием OpenPlanter возвращает эту возможность общественности. Созданный разработчиком Shin Megami Boson, OpenPlanter — это агент-исследователь рекурсивной языковой модели. Его цель проста: помочь вам следить за вашим правительством, поскольку оно почти наверняка следит за вами.
Решение проблемы «разнородных данных»
Расследовательская работа сложна, потому что данные беспорядочны. Государственные записи часто представлены в 100 различных форматах. У вас может быть CSV-файл с данными о финансировании кампаний, JSON-файл с правительственными контрактами и PDF-файл с данными о лоббировании.
OpenPlanter легко обрабатывает эти разрознённые структурированные и неструктурированные источники данных. Он использует большие языковые модели (LLMs) для разрешения сущностей. Это процесс определения того, когда разные записи относятся к одному и тому же человеку или компании. Как только он соединит эти точки, агент с помощью вероятностного подхода будет искать аномалии. Он ищет закономерности, которые человек мог бы упустить, например, внезапный всплеск выигрышей по контрактам после определённого лоббистского мероприятия.
Архитектура: рекурсивное делегирование субагентов
Что делает OpenPlanter уникальным, так это его рекурсивный движок. Большинство агентов искусственного интеллекта обрабатывают 1 запрос за раз. OpenPlanter же разбивает большие задачи на более мелкие части. Если вы дадите ему масштабную задачу, он использует стратегию делегирования субагентов.
У агента максимальная глубина по умолчанию равна 4. Это означает, что основной агент может создать субагента, который может создать другого и так далее. Эти агенты работают параллельно для:
* разрешения сущностей в массивах данных;
* связывания наборов данных, у которых нет общих идентификационных номеров;
* построения цепочек доказательств, подтверждающих каждое отдельное открытие.
Такой рекурсивный подход позволяет системе обрабатывать расследования, которые слишком велики для одного «окна контекста».
2026 AI Stack
OpenPlanter создан для удовлетворения высоких требований к производительности 2026 года. Он написан на Python 3.10+ и интегрируется с самыми передовыми моделями, доступными на сегодняшний день. В технической документации перечислены несколько поддерживаемых провайдеров:
* OpenAI: по умолчанию используется gpt-5.2.
* Anthropic: поддерживается claude-opus-4-6.
* OpenRouter: по умолчанию используется anthropic/claude-sonnet-4-5.
* Cerebras: для высокоскоростных задач используется qwen-3-235b-a22b-instruct-2507.
Система также использует Exa для веб-поиска и Voyage для высокоточных внедрений. Эта мультимодальная стратегия гарантирует, что агент использует лучший «мозг» для каждой конкретной подзадачи.
19 инструментов для цифровой криминалистики
Агент оснащён 19 специализированными инструментами. Они позволяют ему взаимодействовать с реальным миром, а не просто «болтать». Эти инструменты организованы в 4 основные области:
* Файловый ввод-вывод и рабочее пространство: такие инструменты, как readfile, writefile и hashline_edit, позволяют агенту управлять собственной базой данных находок.
* Выполнение команд в оболочке: агент может использовать run_shell для выполнения реального кода. Он может написать скрипт на Python для анализа набора данных, а затем запустить этот скрипт для получения результатов.
* Веб-поиск: с помощью websearch и fetchurl он может получать актуальные данные из государственных реестров или новостных сайтов.
* Планирование и логика: инструмент think позволяет агенту делать паузы и разрабатывать стратегию. Он использует критерии приёмки, чтобы убедиться, что подзадача была выполнена правильно, прежде чем переходить к следующему шагу.
Развёртывание и интерфейс
OpenPlanter разработан так, чтобы быть доступным, но мощным. Он имеет интерфейс пользователя терминала (TUI), созданный с использованием rich и prompt_toolkit. Интерфейс включает в себя заставку с ASCII-изображением горшков с растениями, но работа, которую он выполняет, серьёзна.
Вы можете быстро приступить к работе, используя Docker. Запустив docker compose up, агент запускается в контейнере. Это важная функция безопасности, поскольку она изолирует команды run_shell агента от операционной системы хоста пользователя.
Интерфейс командной строки позволяет выполнять «безголовые» задачи. Вы можете запустить одну команду, например:
«`
openplanter-agent —task «Flag all vendor overlaps in lobbying data» —workspace ./data
«`
Агент будет работать автономно, пока не создаст окончательный отчёт.
Ключевые выводы
* Автономная рекурсивная логика: в отличие от стандартных агентов, OpenPlanter использует стратегию рекурсивного делегирования субагентов (максимальная глубина по умолчанию — 4). Он разбивает сложные следственные задачи на более мелкие подзадачи, распараллеливая работу между несколькими агентами для построения подробных цепочек доказательств.
* Корреляция разнородных данных: агент создан для обработки и разрешения разрозненных структурированных и неструктурированных данных. Он может одновременно обрабатывать CSV-файлы, записи JSON и неструктурированный текст (например, PDF-файлы) для идентификации сущностей во фрагментированных наборах данных.
* Вероятностное обнаружение аномалий: выполняя разрешение сущностей, OpenPlanter автоматически соединяет записи — например, сопоставляя корпоративный псевдоним с данными о лоббировании — и ищет вероятностные аномалии, чтобы выявить скрытые связи между государственными расходами и частными интересами.
* Высокопроизводительный стек моделей 2026 года: система не зависит от поставщика и использует новейшие передовые модели, включая OpenAI gpt-5.2, Anthropic claude-opus-4-6 и Cerebras qwen-3-235b-a22b-instruct-2507 для высокоскоростного вывода.
* Интегрированный набор инструментов для криминалистики: OpenPlanter оснащён 19 различными инструментами, включая выполнение команд в оболочке (runshell), веб-поиск (Exa) и исправление файлов (hashlineedit). Это позволяет ему писать и запускать собственные аналитические скрипты, проверяя результаты по реальным критериям приёмки.
Ознакомьтесь с репозиторием [здесь](…). Также подписывайтесь на нас в [Twitter](…). Не забудьте присоединиться к нашему [ML SubReddit](…) и подписаться на [наш Newsletter](…). А если вы пользуетесь Telegram, присоединяйтесь к нам и там.
Примечание: MarkTechPost не поддерживает проект OpenPlanter и предоставляет этот технический отчёт исключительно в информационных целях.
1. Какие уникальные особенности OpenPlanter отличают его от других агентов искусственного интеллекта?
OpenPlanter отличается от других агентов искусственного интеллекта благодаря своей рекурсивной архитектуре. Он использует стратегию рекурсивного делегирования субагентов, что позволяет ему разбивать большие задачи на более мелкие подзадачи и обрабатывать их параллельно. Это отличает его от агентов, которые обрабатывают запросы последовательно.
2. Какие типы данных может обрабатывать OpenPlanter и как он справляется с их разнородностью?
OpenPlanter может обрабатывать структурированные и неструктурированные данные, включая CSV-файлы, JSON-записи и PDF-файлы. Он использует большие языковые модели для разрешения сущностей, что позволяет ему идентифицировать и связывать записи, относящиеся к одним и тем же людям или компаниям, даже если они представлены в разных форматах.
3. Какие инструменты и технологии используются в OpenPlanter для выполнения его задач?
OpenPlanter оснащён 19 специализированными инструментами, которые позволяют ему взаимодействовать с реальным миром. Среди них: инструменты файлового ввода-вывода и рабочего пространства (например, readfile, writefile и hashlineedit), инструменты для выполнения команд в оболочке (например, runshell), инструменты для веб-поиска (например, websearch и fetchurl) и инструменты для планирования и логики (например, think). Кроме того, OpenPlanter использует передовые модели, такие как OpenAI gpt-5.2, Anthropic claude-opus-4-6 и Cerebras qwen-3-235b-a22b-instruct-2507.
4. Как OpenPlanter обеспечивает безопасность при работе с внешними командами и данными?
OpenPlanter обеспечивает безопасность при работе с внешними командами и данными за счёт использования Docker. Агент запускается в контейнере, что изолирует его команды от операционной системы хоста пользователя. Это предотвращает несанкционированный доступ к системе пользователя и обеспечивает безопасность при выполнении внешних команд.
5. Какие практические задачи может решать OpenPlanter в области цифровой криминалистики?
OpenPlanter может решать различные задачи в области цифровой криминалистики, включая анализ данных о финансировании кампаний, правительственных контрактах и лоббировании. Он может выявлять аномалии, такие как внезапный всплеск выигрышей по контрактам после определённого лоббистского мероприятия, и строить цепочки доказательств, подтверждающих каждое отдельное открытие.